CN113126120B - 数据标注方法、装置、设备、存储介质以及计算机程序产品 - Google Patents

数据标注方法、装置、设备、存储介质以及计算机程序产品 Download PDF

Info

Publication number
CN113126120B
CN113126120B CN202110448018.8A CN202110448018A CN113126120B CN 113126120 B CN113126120 B CN 113126120B CN 202110448018 A CN202110448018 A CN 202110448018A CN 113126120 B CN113126120 B CN 113126120B
Authority
CN
China
Prior art keywords
obstacle
sensor
point cloud
labeling
marking
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CN202110448018.8A
Other languages
English (en)
Other versions
CN113126120A (zh
Inventor
于帅帅
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Beijing Baidu Netcom Science and Technology Co Ltd
Original Assignee
Beijing Baidu Netcom Science and Technology Co Ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Beijing Baidu Netcom Science and Technology Co Ltd filed Critical Beijing Baidu Netcom Science and Technology Co Ltd
Priority to CN202110448018.8A priority Critical patent/CN113126120B/zh
Publication of CN113126120A publication Critical patent/CN113126120A/zh
Application granted granted Critical
Publication of CN113126120B publication Critical patent/CN113126120B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S17/00—Systems using the reflection or reradiation of electromagnetic waves other than radio waves, e.g. lidar systems
    • G01S17/88—Lidar systems specially adapted for specific applications
    • G01S17/93—Lidar systems specially adapted for specific applications for anti-collision purposes
    • G01S17/931—Lidar systems specially adapted for specific applications for anti-collision purposes of land vehicles
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S17/00—Systems using the reflection or reradiation of electromagnetic waves other than radio waves, e.g. lidar systems
    • G01S17/88—Lidar systems specially adapted for specific applications
    • G01S17/89—Lidar systems specially adapted for specific applications for mapping or imaging
    • G01S17/894—3D imaging with simultaneous measurement of time-of-flight at a 2D array of receiver pixels, e.g. time-of-flight cameras or flash lidar
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
    • G06F18/214—Generating training patterns; Bootstrap methods, e.g. bagging or boosting
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/20—Image preprocessing
    • G06V10/25—Determination of region of interest [ROI] or a volume of interest [VOI]
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/50—Context or environment of the image
    • G06V20/56—Context or environment of the image exterior to a vehicle by using sensors mounted on the vehicle
    • G06V20/58—Recognition of moving objects or obstacles, e.g. vehicles or pedestrians; Recognition of traffic objects, e.g. traffic signs, traffic lights or roads
    • G06V20/584—Recognition of moving objects or obstacles, e.g. vehicles or pedestrians; Recognition of traffic objects, e.g. traffic signs, traffic lights or roads of vehicle lights or traffic lights

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Electromagnetism (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Remote Sensing (AREA)
  • Multimedia (AREA)
  • Data Mining & Analysis (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Artificial Intelligence (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Evolutionary Biology (AREA)
  • Evolutionary Computation (AREA)
  • General Engineering & Computer Science (AREA)
  • Traffic Control Systems (AREA)
  • User Interface Of Digital Computer (AREA)

Abstract

本公开公开了一种数据标注方法、装置、设备、存储介质以及计算机程序产品，涉及人工智能技术领域，具体为计算机视觉和自动驾驶领域。该方法的一具体实施方式包括：获取至少两个传感器采集的数据；分别对每个传感器采集的数据中的障碍物进行标注，生成各个传感器对应的标注框；将同一障碍物的各个标注框相互绑定；基于障碍物的各个标注框得到障碍物的标注信息。该实施方式提高了数据的标注质量，提升了数据标注的准确性和效率。

Description

数据标注方法、装置、设备、存储介质以及计算机程序产品
技术领域
本公开实施例涉及计算机领域，具体涉及计算机视觉、自动驾驶等人工智能技术领域，尤其涉及数据标注方法、装置、设备、存储介质以及计算机程序产品。
背景技术
无人驾驶汽车是通过车载传感系统感知道路环境，自动规划行车路线并控制车辆到达预定目标的智能汽车。它是利用车载传感器来感知车辆周围环境，并根据感知所获得的道路、车辆位置和障碍物信息，并对障碍物信息进行标注，根据获知的信息控制车辆的转向和速度，从而使车辆能够安全、可靠地在道路上行驶。所以，对障碍物进行标注成为了重要环节。
发明内容
本公开实施例提出了一种数据标注方法、装置、设备、存储介质以及计算机程序产品。
第一方面，本公开实施例提出了一种数据标注方法，包括：获取至少两个传感器采集的数据；分别对每个传感器采集的数据中的障碍物进行标注，生成各个传感器对应的标注框；将同一障碍物的各个标注框相互绑定；基于障碍物的各个标注框得到障碍物的标注信息。
第二方面，本公开实施例提出了一种数据标注装置，包括：获取模块，被配置成获取至少两个传感器采集的数据；标注模块，被配置成分别对每个传感器采集的数据中的障碍物进行标注，生成各个传感器对应的标注框；绑定模块，被配置成将同一障碍物的各个标注框相互绑定；确定模块，被配置成基于障碍物的各个标注框得到障碍物的标注信息。
第三方面，本公开实施例提出了一种电子设备，包括：至少一个处理器；以及与至少一个处理器通信连接的存储器；其中，存储器存储有可被至少一个处理器执行的指令，指令被至少一个处理器执行，以使至少一个处理器能够执行如第一方面中任一实现方式描述的方法。
第四方面，本公开实施例提出了一种存储有计算机指令的非瞬时计算机可读存储介质，计算机指令用于使计算机执行如第一方面中任一实现方式描述的方法。
第五方面，本公开实施例提出了一种计算机程序产品，包括计算机程序，计算机程序在被处理器执行时实现如第一方面中任一实现方式描述的方法。
本公开提供了一种数据标注方法，该方法提高了数据的标注质量，提升了数据标注的准确性和效率。
应当理解，本部分所描述的内容并非旨在标识本公开的实施例的关键或重要特征，也不用于限制本公开的范围。本公开的其它特征将通过以下的说明书而变得容易理解。
附图说明
通过阅读参照以下附图所作的对非限制性实施例所作的详细描述，本公开的其它特征、目的和优点将会变得更明显。附图用于更好地理解本方案，不构成对本公开的限定。其中：
图1是本公开可以应用于其中的示例性系统架构图；
图2是根据本公开的数据标注方法的一个实施例的流程图；
图3是根据本公开的数据标注方法的另一个实施例的流程图；
图4是根据本公开的数据标注方法的又一个实施例的流程图；
图5是根据本公开的数据标注方法的再一个实施例的流程图；
图6是根据本公开的数据标注装置的一个实施例的结构示意图；
图7是用来实现本公开实施例的数据标注方法的电子设备的框图。
具体实施方式
以下结合附图对本公开的示范性实施例做出说明，其中包括本公开实施例的各种细节以助于理解，应当将它们认为仅仅是示范性的。因此，本领域普通技术人员应当认识到，可以对这里描述的实施例做出各种改变和修改，而不会背离本公开的范围和精神。同样，为了清楚和简明，以下的描述中省略了对公知功能和结构的描述。
需要说明的是，在不冲突的情况下，本公开中的实施例及实施例中的特征可以相互组合。下面将参考附图并结合实施例来详细说明本公开。
图1示出了可以应用本公开的数据标注方法或数据标注装置的实施例的示例性系统架构100。
如图1所示，系统架构100可以包括终端设备101、102、103，网络104和服务器105。网络104用以在终端设备101、102、103和服务器105之间提供通信链路的介质。网络104可以包括各种连接类型，例如有线、无线通信链路或者光纤电缆等等。
用户可以使用终端设备101、102、103通过网络104与服务器105交互，以接收或发送消息等。终端设备101、102、103和服务器105上可以安装有各种用于实现两者之间进行信息通讯的应用，例如标注任务应用、即时通讯类应用等。
终端设备101、102、103可以是硬件，也可以是软件。当终端设备101、102、103为硬件时，可以是各种电子设备，包括但不限于智能手机、平板电脑、膝上型便携计算机和台式计算机等等。当终端设备101、102、103为软件时，可以安装在上述电子设备中。其可以实现成多个软件或软件模块，也可以实现成单个软件或软件模块。在此不做具体限定。
服务器105可以提供各种服务。例如，服务器105可以对从终端设备101、102、103获取到的数据进行分析和处理，并生成处理结果(例如标注信息)。
需要说明的是，服务器105可以是硬件，也可以是软件。当服务器105为硬件时，可以实现成多个服务器组成的分布式服务器集群，也可以实现成单个服务器。当服务器105为软件时，可以实现成多个软件或软件模块(例如用来提供分布式服务)，也可以实现成单个软件或软件模块。在此不做具体限定。
需要说明的是，本公开实施例所提供的数据标注方法一般由服务器105执行，相应地，数据标注装置一般设置于服务器105中。
应该理解，图1中的终端设备、网络和服务器的数目仅仅是示意性的。根据实现需要，可以具有任意数目的终端设备、网络和服务器。
继续参考图2，其示出了根据本公开的数据标注方法的一个实施例的流程200。该数据标注方法包括以下步骤：
步骤201，获取至少两个传感器采集的数据。
在本实施例中，数据标注方法的执行主体(例如图1所示的服务器105)可以获取至少两个传感器采集的数据。其中，传感器的类型可以为点云传感器，也可以为图像传感器，点云传感器是可以采集点云数据的传感器，一般为3D(3-dimension，三维)传感器，图像传感器是可以采集图像的传感器，一般为2D(2-dimension，二维)传感器，且两个传感器可为同种类型的传感器，也可为不同种类型的传感器，也即可以为一个点云传感器和一个图像传感器，或是两个点云传感器，本公开对此不做具体限定。上述执行主体可以同时获取多个传感器采集的同一区域的数据。
可选地，上述执行主体在获取到至少两个传感器采集的数据后，还可以展示获取的数据，以直观地将获取的数据展现给用户。当传感器为点云传感器时，可以展示获取的点云点，且当有不同类型的点云传感器时，可以并行展示不同类型的点云传感器获取的点云数据，且在并行展示时对不同类型的点云传感器的点云数据进行区别展示，例如以不同的颜色展示不同类型的点云传感器的数据，从而使用户更容易区分。当传感器为图像传感器时，可以展示获取的图像。
在实际应用中，本公开提供的数据标注方法可以应用在无人控制机器中，例如，无人驾驶汽车、无人机器人、扫地机器人、无人飞机等，本公开对此不做具体限定。在本公开实施例中，以应用在无人驾驶汽车为例进行说明。
需要说明的是，点云传感器或图像传感器的安装位置和朝向一般依赖于需要它感知的物体范围，例如，在无人驾驶汽车中需要检测车辆前方的障碍物，则传感器一般安装在车辆的上方或者前方，扫描方向针对车辆的正前方。
步骤202，分别对每个传感器采集的数据中的障碍物进行标注，生成各个传感器对应的标注框。
在本实施例中，上述执行主体可以在获取到至少两个传感器采集的数据后，分别对每个传感器采集的数据中的障碍物进行标注，生成各个传感器对应的标注框。上述执行主体可以使用标注框来标注每个传感器采集的数据中的障碍物，其中，障碍物可以为车辆、行人、路障等等，且障碍物的数目可以为一个或多个，当障碍物的数目为多个时，上述执行主体会同时对多个障碍物进行标注，生成与多个障碍物一一对应的标注框。另外，对障碍物进行标注的方法可采用现有的标注方法来实现，本公开对此不做具体限定。
作为示例，当传感器为一个点云传感器和一个图像传感器时，上述执行主体可以分别对点云传感器和图像传感器采集的数据中的障碍物进行标注；当传感器为两种不同类型的点云传感器时，上述执行主体可以分别对两种点云传感器采集的数据中的障碍物进行标注。
步骤203，将同一障碍物的各个标注框相互绑定。
在本实施例中，上述执行主体可以将同一障碍物的各个标注框进行相互绑定，以使其各个传感器的标注框对应同一障碍物。通过对不同传感器采集的数据进行标注，再将各个传感器对应的标注框进行相互绑定，使其对应同一障碍物，从而提升对该障碍物标注的准确性。作为示例，可基于障碍物的UUID(Universally Unique Identifier，通用唯一识别码)将各个标注框进行绑定，以使其对应同一障碍物。将同一障碍物的多个标注框进行绑定之后，当选中其中的一个标注框之后，该障碍物的其他标注框会高亮显示，以更直观地看到同一障碍物的各个关联框。
步骤204，基于障碍物的各个标注框得到障碍物的标注信息。
在本实施例中，上述执行主体可以基于障碍物的各个标注框得到障碍物的标注信息。可选地，在对各个传感器采集的数据中的同一障碍物进行标注后，可以得到各个传感器对应的标注框及障碍物的相关信息，将得到的信息进行融合，从而得到该障碍物的最终的标注信息，并将其标注在每个传感器采集的数据中的该障碍物上，标记位置可根据实际情况设定，本公开对此不做具体限定。以应用在无人驾驶汽车为例，当障碍物为车时，通过对各个传感器对应的标注框及障碍物的相关信息进行融合之后，得到该障碍物的最终的标注信息为“巴士-1-同”，该标注信息表示该障碍物为巴士车，且其在1车道，与本车辆为同一车道。
本公开实施例提供的数据标注方法，首先获取至少两个传感器采集的数据；然后分别对每个传感器采集的数据中的障碍物进行标注，生成各个传感器对应的标注框；之后将同一障碍物的各个标注框相互绑定；最后基于障碍物的各个标注框得到障碍物的标注信息。本公开提供了一种数据标注方法，该方法可以对两个及两个以上的传感器采集的数据中的障碍物同时进行标注，并通过将各个传感器对应的标注框相互绑定，以使各个标注框对应同一障碍物，从而使得对障碍物的标注结果更加准确，提高了数据的标注质量。
继续参考图3，图3示出了根据本公开的数据标注方法的另一个实施例的流程300。该数据标注方法包括以下步骤：
步骤301，获取点云传感器采集的点云数据。
在本实施例中，数据标注方法的执行主体(例如图1所示的服务器105)可以获取点云传感器采集的点云数据。其中，点云传感器(可以采集点云数据的传感器)包括激光探测及测距(Light detection and ranging，Lidar)传感器和无线电探测及测距(radiodetection and ranging，Radar)传感器。步骤301与前述实施例的步骤201基本一致，具体实现方式可以参考前述对步骤201的描述，此处不再赘述。
需要说明的是，点云数据是指在一个三维坐标系统中的一组向量的集合，点云数据中的每个点包含有三维坐标。点云数据除了代表点的几何位置信息之外，还可以代表一个点的RGB(Red-Green-Blue，三原色)颜色、灰度值、深度、分割结果等。
步骤302，对点云数据中的障碍物进行标注，得到障碍物与点云传感器对应的3D标注框。
在本实施例中，上述执行主体可以分别对点云数据中的障碍物进行标注，得到障碍物与点云传感器对应的3D标注框。可选地，上述执行主体可以使用3D标注框来标注每种传感器采集的数据中的障碍物。也即上述执行主体可以分别对Lidar传感器采集的点云数据中的障碍物和Radar传感器采集的点云数据中的障碍物进行标注，从而得到该障碍物与Lidar传感器和Radar传感器对应的3D标注框。
步骤303，将点云数据投影到二维视图，得到障碍物与点云传感器对应的2D标注框。
在本实施例中，上述执行主体可以将点云数据投影到二维视图，得到障碍物对应的2D标注框。
可选地，可将三维点云数据投影到二维视图中，再对二维视图中的障碍物进行标注，从而生成点云数据中的障碍物对应的2D标注框，2D标注框可以辅助对障碍物的识别。需要说明的是，当障碍物的数目为多个时，将点云数据投影至二维视图，可以得到与多个障碍物一一对应的2D标注框。
在本实施例的一些可选实现方式中，步骤303包括：将点云数据直接投影到二维视图，生成障碍物与点云传感器对应的2D标注框；若生成失败，则基于障碍物与点云传感器对应的3D标注框，强制投影出障碍物与点云传感器对应的2D标注框。作为示例，在将点云数据直接投影到二维视图，生成障碍物与点云传感器对应的2D标注框时，可能会出现这样一种情况：在采集的数据图像中，障碍物可能会处于边缘位置，此时就会由于边界效应导致无法通过直接投影的方式生成障碍物对应的2D标注框。在此种情况下，可以选中该障碍物对应的3D标注框，通过强制投影的方式来生成该障碍物与点云传感器对应的2D标注框；也可以选中该障碍物对应的3D标注框，单独画出该障碍物与点云传感器对应的2D标注框。基于上述方式可以在直接投影生成障碍物与点云传感器对应的2D标注框失败的情况下，补齐该障碍物与点云传感器对应的2D标注框。
步骤304，将同一障碍物的各个标注框相互绑定。
在本实施例中，上述执行主体可以将同一障碍物的各个标注框相互绑定。步骤304与前述实施例的步骤203相对应，具体实现方式可以参考前述对步骤203的描述，此处不再赘述。
在本实施例的一些可选实现方式中，在点云传感器包括激光探测及测距传感器和无线电探测及测距传感器的情况下，该数据标注方法还包括：若3D标注框中只包含Lidar传感器对应的3D标注框或Radar传感器对应的3D标注框中的一个，则通过对包含的3D标注框进行强制投影，得到对应的另一个3D标注框。由于在将同一障碍物的各个标注框相互绑定之后，选中其中一个标注框，其他关联标注框会高亮显示，所以，可以选择生成的Lidar传感器对应的3D标注框或是Radar传感器对应的3D标注框，看是否有对应的另一种3D标注框高亮显示，如果没有，则选中已经生成的3D标注框，对其进行强制投影，从而得到对应的另一个3D标注框。例如，选中生成的Lidar传感器对应的3D标注框，但是并没有高亮显示的Radar传感器对应的3D标注框，那么此时就需要对该Lidar传感器对应的3D标注框强制投影，从而得到Radar传感器对应的3D标注框。通过上述方式可以得到同一障碍物的多个传感器对应的3D标注框，以使后续标注结果更加准确。
步骤305，基于障碍物的各个标注框得到障碍物的标注信息。
在本实施例中，上述执行主体可以基于障碍物的各个标注框得到障碍物的标注信息。步骤305与前述实施例的步骤204相对应，具体实现方式可以参考前述对步骤204的描述，此处不再赘述。
在本实施例的一些可选实现方式中，上述标注信息包括：障碍物的类型和/或障碍物的位置信息。其中，障碍物的类型为表示该障碍物为车辆还是人等其他类型障碍物的信息，障碍物的位置信息为表明该障碍物的具体的位置信息，例如距离远近、所在车道等信息。作为示例，假设通过对障碍物进行标注，得到的标注信息为“巴士-3-同”，那么该标注信息中包括障碍物的类型信息和障碍物的位置信息，障碍物的类型为巴士车，障碍物的位置信息包括：该障碍物位于3车道，且与本车辆为同一车道。
本公开实施例提供的数据标注方法，首先获取点云传感器采集的点云数据；然后分别对点云数据中的障碍物进行标注，得到障碍物与点云传感器对应的3D标注框；再将点云数据投影到二维视图，得到障碍物与点云传感器对应的2D标注框；之后将同一障碍物的各个标注框相互绑定；最后基于障碍物的各个标注框得到障碍物的标注信息。本公开实施例提供的数据标注方法，可以对两个点云传感器采集的点云数据进行标注，并且可以在只生成Lidar传感器对应的3D标注框或Radar传感器对应的3D标注框中的一种的情况下，进行另一种3D标注框的补框；还可以在将点云数据投影到二维视图，生成障碍物对应的2D标注框失败的情况下，进行2D标注框的补框，从而获得同一障碍物的各个传感器对应的3D标注框和2D标注框，在此基础上进行标注，可以提升标注结果的准确性，获得更全面、更准确的障碍物的标注结果。该数据标注方法在保证了标注质量的前提下，提升了标注准确性和效率。
继续参考图4，图4示出了根据本公开的数据标注方法的又一个实施例的流程400。该数据标注方法包括以下步骤：
步骤401，获取点云传感器采集的点云数据和图像传感器采集的图像。
在本实施例中，数据标注方法的执行主体(例如图1所示的服务器105)可以点云传感器和图像传感器采集的数据。其中，点云传感器可以为Lidar传感器和Radar传感器中的至少一种，图像传感器可以为相机传感器。具体的，上述执行主体可获取Lidar传感器和/或Radar传感器采集的点云数据，获取相机传感器采集的图像。图像传感器采集的图像可以辅助识别点云数据中障碍物的属性信息，例如，当障碍物为车时，可以辅助识别点云数据中车的位置、类型等属性。
在本实施例的一些可选实现方式中，点云传感器包括激光探测及测距传感器和无线电探测及测距传感器中的至少一种。也即本实施例中的点云传感器可为Lidar传感器，也可为Radar传感器，或者是Lidar传感器和Radar传感器。
步骤402，分别对点云数据中的障碍物进行标注，得到障碍物与点云传感器对应的3D标注框。
在本实施例中，上述执行主体可以对点云数据中的障碍物进行标注，得到障碍物与点云传感器对应的3D标注框。步骤402与前述实施例的步骤302基本一致，具体实现方式可以参考前述对步骤302的描述，此处不再赘述。
步骤403，对图像中的障碍物进行标注，得到障碍物与图像传感器对应的图像标注框。
在本实施例中，上述执行主体可以对图像传感器采集的图像中的障碍物进行标注，从而得到该障碍物对应的图像标注框。此外，图像传感器所采集的包含障碍物的图像也可以辅助识别点云数据中障碍物的类型、位置等。
需要说明的是，本公开对步骤402与步骤403的执行顺序不做限定，步骤402与步骤403可同时进行。
步骤404，将点云数据投影到二维视图，得到障碍物与点云传感器对应的2D标注框。
在本实施例中，上述执行主体可以将点云数据投影到二维视图，得到障碍物与点云传感器对应的2D标注框。步骤404与前述实施例的步骤303基本一致，具体实现方式可以参考前述对步骤303的描述，此处不再赘述。
步骤405，将同一障碍物的各个标注框相互绑定。
在本实施例中，上述执行主体会将同一障碍物的点云传感器和图像传感器对应的标注框进行相互绑定，以使各个标注框对应同一个障碍物。步骤405与前述实施例的步骤304相对应，具体实现方式可以参考前述对步骤304的描述，此处不再赘述。
步骤406，基于障碍物的各个标注框得到障碍物的标注信息。
在本实施例中，上述执行主体可以基于点云传感器对应的标注框和图像传感器对应的标注框得到障碍物标注信息。步骤406与前述实施例的步骤305基本一致，具体实现方式可以参考前述对步骤305的描述，此处不再赘述。
本公开实施例提供的数据标注方法，首先获取点云传感器采集的点云数据和图像传感器采集的图像；然后对点云数据中的障碍物进行标注，得到障碍物与点云传感器对应的3D标注框；再对图像中的障碍物进行标注，得到障碍物与图像传感器对应的图像标注框；之后将点云数据投影到二维视图，得到障碍物与点云传感器对应的2D标注框；再将同一障碍物的各个标注框相互绑定；最后基于障碍物的各个标注框得到障碍物的标注信息。本公开实施例提供的数据标注方法，可以对点云传感器采集的数据和图像传感器采集的数据同时进行标注，并将各个标注框进行相互绑定，以使其对应同一个障碍物，从而实现了同时对多种传感器数据同时进行标注。该数据标注方法在保证标注质量的前提下，提升了标注结果的准确性和标注效率。
继续参考图5，图5示出了根据本公开的数据标注方法的再一个实施例的流程500。该数据标注方法包括以下步骤：
步骤501，获取Lidar传感器与Radar传感器采集的点云数据，以及相机传感器采集的图像。
在本实施例中，数据标注方法的执行主体(例如图1所示的服务器105)可以获取Lidar传感器与Radar传感器采集的点云数据，以及相机传感器采集的图像。
步骤502，分别对Lidar传感器采集的点云数据与Radar传感器采集的点云数据中的障碍物进行标注，得到障碍物与Lidar传感器、Radar传感器对应的3D标注框。
在本实施例中，上述执行主体可以分别对Lidar传感器采集的点云数据与Radar传感器采集的点云数据中的障碍物进行标注，从而得到障碍物与Lidar传感器对应的3D标注框，以及与Radar传感器对应的3D标注框。
步骤503，对图像中的障碍物进行标注，得到障碍物与相机传感器对应的图像标注框。
在本实施例中，上述执行主体可以对图像中的障碍物进行标注，得到障碍物与相机传感器对应的图像标注框。
步骤504，将点云数据投影到二维视图，得到障碍物与点云传感器对应的2D标注框。
在本实施例中，上述执行主体可以将点云数据投影到二维视图，得到障碍物与点云传感器对应的2D标注框。步骤503-504与前述实施例的步骤403-404基本一致，具体实现方式可以参考前述对步骤403-404的描述，此处不再赘述。
步骤505，将同一障碍物的Lidar传感器对应的3D标注框、Radar传感器对应的3D标注框及图像标注框相互绑定。
在本实施例中，上述执行主体可以将同一障碍物的Lidar传感器对应的3D标注框、Radar传感器对应的3D标注框及图像标注框相互绑定，以使各个标注框对应同一障碍物。
步骤506，基于障碍物的各个标注框得到障碍物的标注信息。
在本实施例中，上述执行主体可以基于障碍物的各个标注框得到障碍物的标注信息。也即可以将Lidar传感器对应的3D标注框、Radar传感器对应的3D标注框及图像标注框即对应的信息进行融合，从而得到该障碍物的标注信息，并将其标注在障碍物上。
可选地，在标注完成之后，还可以根据实际需要删除生成的3D标注框、2D标注框以及同一障碍物的全部关联标注框。
本公开实施例提供的数据标注方法，首先获取Lidar传感器与Radar传感器采集的点云数据，以及相机传感器采集的图像；然后分别对Lidar传感器采集的点云数据与Radar传感器采集的点云数据中的障碍物进行标注，得到障碍物与Lidar传感器、Radar传感器对应的3D标注框；之后对图像中的障碍物进行标注，得到障碍物与相机传感器对应的图像标注框；再将点云数据投影到二维视图，得到障碍物与点云传感器对应的2D标注框；并将同一障碍物的Lidar传感器对应的3D标注框、Radar传感器对应的3D标注框及图像标注框相互绑定；最后基于障碍物的各个标注框得到障碍物的标注信息。本公开实施例提供的数据标注方法，通过分别对三种传感器采集的数据中的障碍物进行标注，并将各个标注框相互绑定，实现了同时对三种传感器的数据进行标注，使得标注结果更加准确、全面，提高了标注结果的准确性。
进一步参考图6，作为对上述各图所示方法的实现，本公开提供了一种数据标注装置的一个实施例，该装置实施例与图2所示的方法实施例相对应，该装置具体可以应用于各种电子设备中。
如图6所示，本实施例的数据标注装置600可以包括：获取模块601、第一标注模块602、第二标注模块603和确定模块604。其中，获取模块601，被配置成获取至少两种传感器采集的数据；第一标注模块602，被配置成基于数据中各个传感器采集的点云数据分别对点云数据中的障碍物进行标注，得到各个传感器对应的3D标注框；第二标注模块603，被配置成将点云数据投影到二维视图，得到障碍物对应的2D标注框；确定模块604，被配置成基于3D标注框及2D标注框得到障碍物的标注信息。
在本实施例中，数据标注装置600中：获取模块601、第一标注模块602、第二标注模块603和确定模块604的具体处理及其所带来的技术效果可分别参考图2对应实施例中的步骤201-204的相关说明，在此不再赘述。
在本实施例的一些可选的实现方式中，获取模块包括：第一获取子模块，被配置成获取点云传感器采集的点云数据；以及标注模块包括：第一标注子模块，被配置成对点云数据中的障碍物进行标注，得到障碍物与点云传感器对应的3D标注框；投影子模块，被配置成将点云数据投影到二维视图，得到障碍物与点云传感器对应的2D标注框。
在本实施例的一些可选的实现方式中，投影子模块进一步配置成：将点云数据直接投影到二维视图，生成障碍物与点云传感器对应的2D标注框；若生成失败，则基于障碍物与点云传感器对应的3D标注框，强制投影出障碍物与点云传感器对应的2D标注框。
在本实施例的一些可选的实现方式中，点云传感器包括激光探测及测距传感器和无线电探测及测距传感器中的至少一种。
在本实施例的一些可选的实现方式中，点云传感器包括激光探测及测距传感器和无线电探测及测距传感器，所述装置还包括：强制投影模块，被配置成若3D标注框中只包含激光探测及测距传感器对应的3D标注框或无线电探测及测距传感器对应的3D标注框中的一个，则通过对包含的3D标注框进行强制投影，得到对应的另一个3D标注框。
在本实施例的一些可选的实现方式中，获取模块还包括：第二获取子模块，被配置成获取图像传感器采集的图像；以及标注模块还包括：第二标注子模块，被配置成对图像中的障碍物进行标注，得到障碍物与图像传感器对应的图像标注框。
在本实施例的一些可选的实现方式中，标注信息包括：障碍物的类型和/或障碍物的位置信息。
根据本公开的实施例，本公开还提供了一种电子设备、一种可读存储介质和一种计算机程序产品。
图7示出了可以用来实施本公开的实施例的示例电子设备700的示意性框图。电子设备旨在表示各种形式的数字计算机，诸如，膝上型计算机、台式计算机、工作台、个人数字助理、服务器、刀片式服务器、大型计算机、和其它适合的计算机。电子设备还可以表示各种形式的移动装置，诸如，个人数字处理、蜂窝电话、智能电话、可穿戴设备和其它类似的计算装置。本文所示的部件、它们的连接和关系、以及它们的功能仅仅作为示例，并且不意在限制本文中描述的和/或者要求的本公开的实现。
如图7所示，设备700包括计算单元701，其可以根据存储在只读存储器(ROM)702中的计算机程序或者从存储单元708加载到随机访问存储器(RAM)703中的计算机程序，来执行各种适当的动作和处理。在RAM 703中，还可存储设备700操作所需的各种程序和数据。计算单元701、ROM 702以及RAM 703通过总线704彼此相连。输入/输出(I/O)接口705也连接至总线704。
设备700中的多个部件连接至I/O接口705，包括：输入单元706，例如键盘、鼠标等；输出单元707，例如各种类型的显示器、扬声器等；存储单元708，例如磁盘、光盘等；以及通信单元709，例如网卡、调制解调器、无线通信收发机等。通信单元709允许设备700通过诸如因特网的计算机网络和/或各种电信网络与其他设备交换信息/数据。
计算单元701可以是各种具有处理和计算能力的通用和/或专用处理组件。计算单元701的一些示例包括但不限于中央处理单元(CPU)、图形处理单元(GPU)、各种专用的人工智能(AI)计算芯片、各种运行机器学习模型算法的计算单元、数字信号处理器(DSP)、以及任何适当的处理器、控制器、微控制器等。计算单元701执行上文所描述的各个方法和处理，例如数据标注方法。例如，在一些实施例中，数据标注方法可被实现为计算机软件程序，其被有形地包含于机器可读介质，例如存储单元708。在一些实施例中，计算机程序的部分或者全部可以经由ROM 702和/或通信单元709而被载入和/或安装到设备700上。当计算机程序加载到RAM 703并由计算单元701执行时，可以执行上文描述的数据标注方法的一个或多个步骤。备选地，在其他实施例中，计算单元701可以通过其他任何适当的方式(例如，借助于固件)而被配置为执行数据标注方法。
本文中以上描述的系统和技术的各种实施方式可以在数字电子电路系统、集成电路系统、场可编程门阵列(FPGA)、专用集成电路(ASIC)、专用标准产品(ASSP)、芯片上系统的系统(SOC)、负载可编程逻辑设备(CPLD)、计算机硬件、固件、软件、和/或它们的组合中实现。这些各种实施方式可以包括：实施在一个或者多个计算机程序中，该一个或者多个计算机程序可在包括至少一个可编程处理器的可编程系统上执行和/或解释，该可编程处理器可以是专用或者通用可编程处理器，可以从存储系统、至少一个输入装置、和至少一个输出装置接收数据和指令，并且将数据和指令传输至该存储系统、该至少一个输入装置、和该至少一个输出装置。
用于实施本公开的方法的程序代码可以采用一个或多个编程语言的任何组合来编写。这些程序代码可以提供给通用计算机、专用计算机或其他可编程数据处理装置的处理器或控制器，使得程序代码当由处理器或控制器执行时使流程图和/或框图中所规定的功能/操作被实施。程序代码可以完全在机器上执行、部分地在机器上执行，作为独立软件包部分地在机器上执行且部分地在远程机器上执行或完全在远程机器或服务器上执行。
在本公开的上下文中，机器可读介质可以是有形的介质，其可以包含或存储以供指令执行系统、装置或设备使用或与指令执行系统、装置或设备结合地使用的程序。机器可读介质可以是机器可读信号介质或机器可读储存介质。机器可读介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的、或半导体系统、装置或设备，或者上述内容的任何合适组合。机器可读存储介质的更具体示例会包括基于一个或多个线的电气连接、便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦除可编程只读存储器(EPROM或快闪存储器)、光纤、便捷式紧凑盘只读存储器(CD-ROM)、光学储存设备、磁储存设备、或上述内容的任何合适组合。
为了提供与用户的交互，可以在计算机上实施此处描述的系统和技术，该计算机具有：用于向用户显示信息的显示装置(例如，CRT(阴极射线管)或者LCD(液晶显示器)监视器)；以及键盘和指向装置(例如，鼠标或者轨迹球)，用户可以通过该键盘和该指向装置来将输入提供给计算机。其它种类的装置还可以用于提供与用户的交互；例如，提供给用户的反馈可以是任何形式的传感反馈(例如，视觉反馈、听觉反馈、或者触觉反馈)；并且可以用任何形式(包括声输入、语音输入或者、触觉输入)来接收来自用户的输入。
可以将此处描述的系统和技术实施在包括后台部件的计算系统(例如，作为数据服务器)、或者包括中间件部件的计算系统(例如，应用服务器)、或者包括前端部件的计算系统(例如，具有图形用户界面或者网络浏览器的用户计算机，用户可以通过该图形用户界面或者该网络浏览器来与此处描述的系统和技术的实施方式交互)、或者包括这种后台部件、中间件部件、或者前端部件的任何组合的计算系统中。可以通过任何形式或者介质的数字数据通信(例如，通信网络)来将系统的部件相互连接。通信网络的示例包括：局域网(LAN)、广域网(WAN)和互联网。
计算机系统可以包括客户端和服务器。客户端和服务器一般远离彼此并且通常通过通信网络进行交互。通过在相应的计算机上运行并且彼此具有客户端-服务器关系的计算机程序来产生客户端和服务器的关系。服务器可以是云服务器，又称为云计算服务器或云主机，是云计算服务体系中的一项主机产品，以解决传统物理主机与虚拟专用服务器(VPS，Virtual Private Server)服务中存在的管理难度大，业务扩展性弱的缺陷。
应该理解，可以使用上面所示的各种形式的流程，重新排序、增加或删除步骤。例如，本发公开中记载的各步骤可以并行地执行也可以顺序地执行也可以不同的次序执行，只要能够实现本公开公开的技术方案所期望的结果，本文在此不进行限制。
上述具体实施方式，并不构成对本公开保护范围的限制。本领域技术人员应该明白的是，根据设计要求和其他因素，可以进行各种修改、组合、子组合和替代。任何在本公开的精神和原则之内所作的修改、等同替换和改进等，均应包含在本公开保护范围之内。

Claims (17)

1.一种数据标注方法，包括：
获取至少两个传感器采集的数据，包括：获取至少两个点云传感器采集的点云数据，所述点云传感器包括无线电探测及测距传感器；
分别对每个传感器采集的数据中的障碍物进行标注，生成各个传感器对应的标注框；
将同一障碍物的各个标注框相互绑定；
基于所述障碍物的各个标注框得到所述障碍物的标注信息，包括：得到各个无线电探测及测距传感器对应的标注框及该同一障碍物的相关信息；将各个无线电探测及测距传感器对应的标注框及该同一障碍物的相关信息进行融合，得到该同一障碍物的标注信息，并将所述标注信息标注在各个无线电探测及测距传感器采集的数据中的该同一障碍物上。
2.根据权利要求1所述的方法，其中，所述分别对每个传感器采集的数据中的障碍物进行标注，生成各个传感器对应的标注框，包括：
对所述点云数据中的障碍物进行标注，得到所述障碍物与所述点云传感器对应的3D标注框；
将所述点云数据投影到二维视图，得到所述障碍物与所述点云传感器对应的2D标注框。
3.根据权利要求2所述的方法，其中，所述将所述点云数据投影到二维视图，得到所述障碍物与所述点云传感器对应的2D标注框，包括：
将所述点云数据直接投影到二维视图，生成所述障碍物与所述点云传感器对应的2D标注框；
若生成失败，则基于所述障碍物与所述点云传感器对应的3D标注框，强制投影出所述障碍物与所述点云传感器对应的2D标注框。
4.根据权利要求2所述的方法，其中，所述点云传感器还包括激光探测及测距传感器。
5.根据权利要求4所述的方法，其中，所述点云传感器包括激光探测及测距传感器和无线电探测及测距传感器，所述方法还包括：
若所述3D标注框中只包含所述激光探测及测距传感器对应的3D标注框或所述无线电探测及测距传感器对应的3D标注框中的一个，则通过对包含的3D标注框进行强制投影，得到对应的另一个3D标注框。
6.根据权利要求2-5任一项所述的方法，其中，所述获取至少两个传感器采集的数据，还包括：获取图像传感器采集的图像；以及
所述分别对每个传感器采集的数据中的障碍物进行标注，生成各个传感器对应的标注框，还包括：
对所述图像中的障碍物进行标注，得到所述障碍物与所述图像传感器对应的图像标注框。
7.根据权利要求1-6任一项所述的方法，其中，所述标注信息包括：
所述障碍物的类型和/或所述障碍物的位置信息。
8.一种数据标注装置，包括：
获取模块，被配置成获取至少两个传感器采集的数据，包括：第一获取子模块，被配置成获取点云传感器采集的点云数据，所述点云传感器包括无线电探测及测距传感器；
标注模块，被配置成分别对每个传感器采集的数据中的障碍物进行标注，生成各个传感器对应的标注框；
绑定模块，被配置成将同一障碍物的各个标注框相互绑定；
确定模块，被配置成基于所述障碍物的各个标注框得到所述障碍物的标注信息，进一步被配置成：得到各个无线电探测及测距传感器对应的标注框及该同一障碍物的相关信息；将各个无线电探测及测距传感器对应的标注框及该同一障碍物的相关信息进行融合，得到该同一障碍物的标注信息，并将所述标注信息标注在各个无线电探测及测距传感器采集的数据中的该同一障碍物上。
9.根据权利要求8所述的装置，其中，所述标注模块包括：
第一标注子模块，被配置成对所述点云数据中的障碍物进行标注，得到所述障碍物与所述点云传感器对应的3D标注框；
投影子模块，被配置成将所述点云数据投影到二维视图，得到所述障碍物与所述点云传感器对应的2D标注框。
10.根据权利要求9所述的装置，其中，所述投影子模块进一步配置成：
将所述点云数据直接投影到二维视图，生成所述障碍物与所述点云传感器对应的2D标注框；
若生成失败，则基于所述障碍物与所述点云传感器对应的3D标注框，强制投影出所述障碍物与所述点云传感器对应的2D标注框。
11.根据权利要求9所述的装置，其中，所述点云传感器还包括激光探测及测距传感器。
12.根据权利要求11所述的装置，其中，所述点云传感器包括激光探测及测距传感器和无线电探测及测距传感器，所述装置还包括：
强制投影模块，被配置成若所述3D标注框中只包含所述激光探测及测距传感器对应的3D标注框或所述无线电探测及测距传感器对应的3D标注框中的一个，则通过对包含的3D标注框进行强制投影，得到对应的另一个3D标注框。
13.根据权利要求9-12任一项所述的装置，其中，所述获取模块还包括：第二获取子模块，被配置成获取图像传感器采集的图像；以及
所述标注模块还包括：
第二标注子模块，被配置成对所述图像中的障碍物进行标注，得到所述障碍物与所述图像传感器对应的图像标注框。
14.根据权利要求8-13任一项所述的装置，其中，所述标注信息包括：所述障碍物的类型和/或所述障碍物的位置信息。
15.一种电子设备，包括：
至少一个处理器；以及
与所述至少一个处理器通信连接的存储器；其中，
所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行权利要求1-7中任一项所述的方法。
16.一种存储有计算机指令的非瞬时计算机可读存储介质，所述计算机指令用于使所述计算机执行权利要求1-7中任一项所述的方法。
17.一种计算机程序产品，包括计算机程序，所述计算机程序在被处理器执行时实现根据权利要求1-7中任一项所述的方法。
CN202110448018.8A 2021-04-25 2021-04-25 数据标注方法、装置、设备、存储介质以及计算机程序产品 Active CN113126120B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110448018.8A CN113126120B (zh) 2021-04-25 2021-04-25 数据标注方法、装置、设备、存储介质以及计算机程序产品

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110448018.8A CN113126120B (zh) 2021-04-25 2021-04-25 数据标注方法、装置、设备、存储介质以及计算机程序产品

Publications (2)

Publication Number Publication Date
CN113126120A CN113126120A (zh) 2021-07-16
CN113126120B true CN113126120B (zh) 2023-08-25

Family

ID=76780313

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110448018.8A Active CN113126120B (zh) 2021-04-25 2021-04-25 数据标注方法、装置、设备、存储介质以及计算机程序产品

Country Status (1)

Country Link
CN (1) CN113126120B (zh)

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114067091B (zh) * 2022-01-17 2022-08-16 深圳慧拓无限科技有限公司 一种多源数据标注方法、系统、电子设备和存储介质
CN115375987B (zh) * 2022-08-05 2023-09-05 北京百度网讯科技有限公司 一种数据标注方法、装置、电子设备及存储介质

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106707293A (zh) * 2016-12-01 2017-05-24 百度在线网络技术（北京）有限公司 用于车辆的障碍物识别方法和装置
CN110377024A (zh) * 2018-04-13 2019-10-25 百度（美国）有限责任公司 用于自动驾驶车辆的自动数据标注
CN111353453A (zh) * 2020-03-06 2020-06-30 北京百度网讯科技有限公司 用于车辆的障碍物检测方法和装置
CN111583337A (zh) * 2020-04-25 2020-08-25 华南理工大学 一种基于多传感器融合的全方位障碍物检测方法
CN112668371A (zh) * 2019-10-16 2021-04-16 北京京东乾石科技有限公司 用于输出信息的方法和装置

Family Cites Families (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
DE102013222190A1 (de) * 2013-10-31 2015-04-30 Robert Bosch Gmbh Situationsanalyse für ein Fahrerassistenzsystem
CN109509260B (zh) * 2017-09-14 2023-05-26 阿波罗智能技术(北京)有限公司 动态障碍物点云的标注方法、设备及可读介质

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106707293A (zh) * 2016-12-01 2017-05-24 百度在线网络技术（北京）有限公司 用于车辆的障碍物识别方法和装置
CN110377024A (zh) * 2018-04-13 2019-10-25 百度（美国）有限责任公司 用于自动驾驶车辆的自动数据标注
CN112668371A (zh) * 2019-10-16 2021-04-16 北京京东乾石科技有限公司 用于输出信息的方法和装置
CN111353453A (zh) * 2020-03-06 2020-06-30 北京百度网讯科技有限公司 用于车辆的障碍物检测方法和装置
CN111583337A (zh) * 2020-04-25 2020-08-25 华南理工大学 一种基于多传感器融合的全方位障碍物检测方法

Also Published As

Publication number Publication date
CN113126120A (zh) 2021-07-16

Similar Documents

Publication Publication Date Title
CN113126120B (zh) 数据标注方法、装置、设备、存储介质以及计算机程序产品
CN113378760A (zh) 训练目标检测模型和检测目标的方法及装置
CN111081033B (zh) 车辆朝向角确定的方法及装置
CN107830869B (zh) 用于车辆的信息输出方法和装置
CN112097732A (zh) 一种基于双目相机的三维测距方法、系统、设备及可读存储介质
CN113674287A (zh) 高精地图的绘制方法、装置、设备以及存储介质
CN113706704B (zh) 基于高精地图规划路线的方法、设备以及自动驾驶车辆
CN112258519A (zh) 一种高精度地图制作中道路的让行线自动化提取方法及装置
CN115719436A (zh) 模型训练方法、目标检测方法、装置、设备以及存储介质
CN115050005B (zh) 目标检测方法及用于高位视频智慧停车场景的检测装置
CN114140592A (zh) 高精地图生成方法、装置、设备、介质及自动驾驶车辆
CN113378605B (zh) 多源信息融合方法及装置、电子设备和存储介质
CN113435392A (zh) 应用于自动泊车的车辆定位方法、装置及车辆
CN113920101A (zh) 目标检测方法、装置、设备及存储介质
CN114550117A (zh) 一种图像检测方法和装置
CN114120254A (zh) 道路信息识别方法、装置及存储介质
CN112639822B (zh) 一种数据处理方法及装置
CN110827340B (zh) 地图的更新方法、装置及存储介质
CN116642490A (zh) 基于混合地图的视觉定位导航方法、机器人及存储介质
CN114429631B (zh) 三维对象检测方法、装置、设备以及存储介质
CN112987707A (zh) 一种车辆的自动驾驶控制方法及装置
CN113222968B (zh) 融合毫米波和图像的检测方法、系统、设备及存储介质
CN113298044B (zh) 基于定位补偿的障碍物检测方法、系统、设备及存储介质
CN112946603B (zh) 一种基于激光雷达的道路养护检测系统及其检测方法
CN110634159A (zh) 一种目标检测方法和装置

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant